web-reader

name	web-reader
description	智能网页阅读器 - 抓取文章/下载视频并归档，支持分析、摘要、衍生。Triggers: '下载这篇文章', '抓取文章', '保存文章', 'fetch URL', '分析这篇文章', '摘要', '总结文章', '下载视频', '抓取微信文章', '抓取飞书文档', '把这个链接保存下来', '下载B站视频', 'download article', 'analyze article', 'summarize'.
version	0.2.0
license	MIT

Web Reader

智能网页阅读器：抓取文章（图文）→ 归档到指定目录 → 分析/摘要/衍生。

工作流程

Phase 1: 下载原文（优先执行）

当用户提供 URL 并要求下载/保存/抓取/分析时，先下载原文。

Step 1: 确定归档路径

检查用户是否配置了归档目录。读取 ~/.claude/web-reader.json：

{
  "archive_dir": "/Volumes/Keybase (m4)/private/biggerbear/文档/微信摘录",
  "categories": ["AI漫剧短剧", "AI工具与技术", "OpenClaw", "开发技术", "商业与产品", "飞书文档"]
}

如果配置文件不存在，使用 ~/Documents/docs/ 作为默认归档目录。

Step 2: 抓取文章

python3 {SKILL_DIR}/fetcher.py "URL" -o "ARCHIVE_DIR" --category "CATEGORY"

对于需要 JavaScript 渲染的页面（返回 "JavaScript enabled" 错误），升级为浏览器模式：

# 先尝试 scrapling fetch（浏览器）
scrapling extract fetch "URL" /tmp/article.md --network-idle

# 如果仍失败，用 camoufox
python3 {SKILL_DIR}/fetcher.py "URL" -o "ARCHIVE_DIR" --method camoufox --category "CATEGORY"

Step 3: 处理微信图片

对于微信公众号文章（mp.weixin.qq.com），fetcher.py 自动处理 data-src 图片。 如果自动处理失败（图片为空 ![]() 占位符），手动处理：

1. 用 scrapling 获取 HTML：scrapling extract get "URL" /tmp/wx.html -s "#js_content"
2. 从 HTML 中提取 data-src="https://mmbiz.qpic.cn..." URL
3. 下载图片到 ARCHIVE_DIR/CATEGORY/SLUG/ 目录
4. 替换 markdown 中的空占位符为本地路径

Step 4: 自动分类

根据文章内容判断分类。参考分类关键词：

• AI漫剧短剧: 漫剧, 短剧, 动漫, seedance, AI视频创作
• AI工具与技术: AI工具, 大模型, scrapling, agent, API, 技术方案
• OpenClaw: openclaw, claude code, agent team
• 开发技术: flutter, 编程, 开发, 逆向, IDE, 部署
• 商业与产品: 产品分析, 商业模式, 市场, 付费, 创业
• 飞书文档: feishu.cn 域名

如果不确定分类，询问用户选择或创建新分类。

Step 5: 确认结果

输出归档信息：

• 文章标题
• 保存路径
• 图片数量
• 分类

Phase 2: 后续探索（用户触发）

文章下载完成后，等待用户指令：

指令	动作
分析	阅读文章全文，提取核心观点、论据、方法论，给出结构化分析
摘要	生成 3-5 句话的精炼摘要，保留关键数据和结论
总结	按章节列出要点，适合快速回顾
衍生	基于文章内容，提出可以进一步探索的方向、相关话题、实践建议
提炼	提取可直接复用的方法、工具、配置、代码片段
对比	与之前下载的其他文章进行对比分析（需指定对比目标）
洗稿	基于原文重写，保留核心信息但完全改写表述（配合 /wxpub 使用）

执行分析时，直接读取归档的 markdown 文件，不需要重新抓取。

智能路由

平台	方法	说明
mp.weixin.qq.com	scrapling	提取 data-src 图片，处理 SVG 占位符
*.feishu.cn	虚拟滚动	滚动采集内容块，浏览器内下载图片
zhuanlan.zhihu.com	scrapling	.Post-RichText 选择器
www.zhihu.com	scrapling	.RichContent 选择器
www.toutiao.com	scrapling	处理 toutiaoimg base64 占位符
www.xiaohongshu.com	camoufox	反爬需要隐身浏览器
www.weibo.com	camoufox	反爬需要隐身浏览器
bilibili.com / b23.tv	yt-dlp	视频下载
youtube.com / youtu.be	yt-dlp	视频下载
douyin.com	yt-dlp	视频下载
其他 URL	scrapling	通用抓取，三级降级策略

安装依赖

按需安装：

依赖	用途	安装
scrapling	文章抓取	pip install scrapling
yt-dlp	视频下载	pip install yt-dlp
camoufox	反检测浏览器	pip install camoufox && python3 -m camoufox fetch
html2text	HTML 转 Markdown	pip install html2text

CLI 参考

python3 {SKILL_DIR}/fetcher.py [URL] [OPTIONS]

参数:
  url                    要抓取的 URL

选项:
  -o, --output DIR       输出目录（默认: 当前目录）
  -q, --quality N        视频质量（默认: 1080）
  --method METHOD        强制方法: scrapling, camoufox, ytdlp, feishu
  --selector CSS         强制 CSS 选择器
  --urls-file FILE       URL 列表文件（每行一个，# 注释）
  --audio-only           仅提取音频
  --no-images            跳过图片下载
  --cookies-browser NAME 浏览器 cookies（如 chrome, firefox）
  --category NAME        归档子目录名
  --json-output          JSON 格式输出（程序化调用）

配置

创建 ~/.claude/web-reader.json 配置归档目录：

{
  "archive_dir": "~/Documents/docs/articles",
  "categories": ["技术", "产品", "行业"]
}

平台特殊处理

微信公众号

• 图片使用 data-src 属性 + mmbiz.qpic.cn
• 可见 <img> 是 SVG 懒加载占位符
• 图片下载需要 Referer: https://mp.weixin.qq.com/ 请求头

飞书文档

• 虚拟滚动：滚过的内容会从 DOM 移除
• 注入 JS 采集器在滚动过程中捕获 [data-block-id] 内容块
• 图片 401：必须在浏览器上下文内用 fetch(url, {credentials: 'include'}) 下载

Bilibili

• 短链 (b23.tv) 自动解析
• 大会员内容用 --cookies-browser chrome

故障排除

问题	解决方案
页面需要 JavaScript	用 --method camoufox 或先 scrapling extract fetch
微信图片为空	手动从 HTML 提取 data-src URL
飞书返回登录页	文档可能需要认证
B站 403	用 --cookies-browser chrome
内容太短	尝试 --method camoufox